高校专区
具有对齐检测和局部细化的自纠正文本到视频生成
机构 * UNC Chapel Hill（北卡罗来纳大学教堂山分校） ； NTU Singapore（新加坡国立大学） ； Allen Institute for AI（人工智能研究院） ； Johns Hopkins University（约翰霍普金斯大学）
AI总结 本文提出VideoRepair框架，通过检测并修正视频与文本提示的对齐问题，提升生成质量。框架分为三个阶段，保留正确生成区域并针对性修正错误部分，有效提升多种对齐指标。
Comments Accepted to ACL 2026 Findings. Project page: https://video-repair.github.io
具有文化意识的幽默标题生成：跨文化多模态幽默生成
机构 * Nanyang Technological University（南洋理工大学） ； Tongji University（同济大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
AI总结 本文提出一种多模态幽默生成任务，通过文化意识标题生成模型在不同文化背景下生成幽默标题，改进了文化背景下的图像相关性、语境适配性和幽默质量。
SignDPO：基于骨骼的无手势符号翻译的多级直接偏好优化
机构 * Monash University（墨尔本大学） ； Nanyang Technological University（南洋理工大学）
AI总结 SignDPO通过多级直接偏好优化提升骨骼基签名语翻译的对齐效果，通过自引导机制和自动语言级偏好生成器解决语义漂移问题，实验表明其在多个基准测试中优于现有无手势符号方法。
大语言模型在生成分子时的创造性如何？
机构 * Nanyang Technological University（南洋理工大学） ； University of California, Merced（加州大学默塞德分校） ； Hunan University（湖南大学） ； National University of Singapore（新加坡国立大学）
AI总结 研究通过系统实证评估，分析大语言模型在分子生成中的创造性行为，揭示其在不同约束下的表现，首次将分子生成能力重新定义为创造性。
神经符号层面的代码定位
机构 * Nanyang Technological University（南洋理工大学）
AI总结 本文提出KA-LCL问题，引入KA-LogicQuery基准测试，展示现有方法在无命名提示下的性能下降，提出LogicLoc框架结合LLM和Datalog实现精确代码定位。
MegaStyle: 通过一致的文本到图像风格映射构建多样化和可扩展的风格数据集
机构 * Tencent（腾讯） ； Nanyang Technological University（南洋理工大学） ； Hong Kong University of Science and Technology（香港科技大学） ； Fuzhou University（福州大学） ； University of Hong Kong（香港大学） ； National University of Singapore（新加坡国立大学）
AI总结 本文提出MegaStyle数据集，通过现有大生成模型的一致文本到图像风格映射能力，构建了包含170k风格提示和400k内容提示的多样化数据集，并提出风格监督对比学习方法和FLUX风格迁移模型。
Comments project website https://jeoyal.github.io/MegaStyle/
针对闭源多模态大语言模型的通用对抗攻击：通过目标视角路由元优化
机构 * Rapid-Rich Object Search Lab, Interdisciplinary Graduate Programme, Nanyang Technological University, Singapore（快速丰富目标搜索实验室，跨学科研究生项目，南洋理工大学，新加坡） ； School of Electrical and Electronic Engineering, Nanyang Technological University, Singapore（电气与电子工程学院，南洋理工大学，新加坡） ； College of Computing and Data Science, Nanyang Technological University, Singapore（计算与数据科学学院，南洋理工大学，新加坡） ； DSO National Laboratories, Singapore（新加坡国防科学实验室）
AI总结 本文提出MCRMO-Attack，通过多作物聚合与注意力引导裁剪稳定监督，通过对齐性门控令牌路由提升token级可靠性，并元学习跨目标扰动先验，从而在商业MLLM上提升未见图像攻击成功率。
Comments This work has been submitted to the IEEE for possible publication
RSA-Bench: 音频大模型在真实声学场景中的基准测试
机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Nanyang Technological University（南洋理工大学） ； Xidian University（西安电子科技大学） ； Shanghai University（上海大学）
AI总结 RSA-Bench通过高保真声景模拟评估音频大模型的鲁棒性，揭示感知-认知差距、场景敏感性和去噪悖论三大问题。
超越上下文的规模：文档理解的多模态检索增强生成综述
机构 * MBZUAI ； Alibaba Group（阿里巴巴集团） ； Tsinghua University（清华大学） ； Wuhan University（武汉大学） ； Nanyang Technological University（南洋理工大学） ； University of Melbourne（墨尔本大学）
AI总结 本文综述了多模态检索增强生成在文档理解中的应用，提出基于领域、检索模态和粒度的分类体系，总结了关键数据集、基准测试和行业应用，指出了效率、细粒度表示和鲁棒性等挑战。
Comments Accepted by ACL2026 Main Conference; Project is available at https://github.com/SensenGao/Multimodal-RAG-Survey-For-Document
GeometryZero：通过群体对比策略优化推进几何求解
机构 * Fudan University（复旦大学） ； Shanghai Innovation Institute（上海创新研究院） ； Zhejiang University（浙江大学） ； Shanghai AI Laboratory（上海人工智能实验室） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出GeometryZero，通过群体对比策略优化训练小型模型，实现高效的几何推理，实验表明其在Geometry3K和MathVista上优于RL基线方法。
ResearchBench: 通过基于灵感的任务分解对LLM在科学发现中的基准测试
机构 * Fudan University（复旦大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； Nanyang Technological University（南洋理工大学） ； University of New South Wales（新南威尔士大学） ； National University of Singapore（新加坡国立大学） ； Wuhan University（武汉大学）
AI总结 本文提出ResearchBench，首个评估LLM在科学发现子任务中的基准，包含灵感检索、假设生成和排序，通过自动化框架提取跨12学科论文的关键信息，验证其准确性，并展示LLM在非分布任务中表现优异。
Comments Accepted by ACL 2026 (findings)
理解代码大语言模型中的秘密泄露风险：从分词角度出发
机构 * The Chinese University of Hong Kong（香港中文大学） ； Nanyang Technological University（南洋理工大学） ； University of Southern California（南加州大学） ； Fudan University（复旦大学）
AI总结 研究揭示代码大语言模型中因分词方式导致的秘密泄露问题，指出BPE分词引发的'垃圾话偏差'现象，并探讨其成因及缓解策略。
Comments Accepted by ACL 26 Findings
Deep-Reporter：基于多模态长形式生成的深度研究
机构 * National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学） ； University of Edinburgh（爱丁堡大学） ； Beijing Institute of Technology（北京理工大学）
AI总结 本文提出Deep-Reporter框架，通过多模态搜索、检查清单引导合成和上下文管理，解决多模态长形式生成中的整合与选择难题，通过8K高质量数据集和M2LongBench测试集验证其有效性。
Comments 41 pages, 6 figures, 8 tables. Code available at https://github.com/fangda-ye/Deep-Report. v2: corrected typos and updated experimental results
大语言模型代理中的不确定性量化：基础、新兴挑战与机遇
机构 * University of Wisconsin–Madison（威斯康星大学麦迪逊分校） ； Carnegie Mellon University（卡内基梅隆大学） ； Nanyang Technological University（南洋理工大学） ； University of Pennsylvania（宾夕法尼亚大学） ； University of Southern California（南加州大学） ； University of California, Berkeley（加州大学伯克利分校）
AI总结 本文探讨了大语言模型代理中不确定性量化的基础、挑战及未来方向，提出新的框架并分析了现实场景中的技术难题。
Comments ACL 2026 Main Conference
ACE-Router: 从MCP工具到智能体网络的历史感知路由泛化
机构 * Zhejiang University（浙江大学） ； Shanghai Jiao Tong University（上海交通大学） ； Huawei Technologies Co. Ltd（华为技术有限公司） ； Sun Yat-sen University（中山大学） ； Nanyang Technological University（南洋理工大学） ； Hangzhou Dianzi University（杭州电子科技大学）
AI总结 本文提出ACE-Router，通过依赖丰富的候选图合成多轮轨迹，训练出动态上下文理解的路由器，实现在大规模生态系统中的精准导航，实验显示其在MCP-Universe和MCP-Mark基准上表现优异，具备泛化性和鲁棒性。
数据压缩性量化大语言模型的记忆性
机构 * The Chinese University of Hong Kong（香港中文大学） ； Nanyang Technological University（南洋理工大学） ； University of Southern California（南加州大学） ； Meta
AI总结 本文通过数据压缩性量化大语言模型的记忆性，发现集级别指标能揭示熵与记忆性之间的线性关系。
Comments accepted by TMLR
通过多轮基于定位的强化学习实现高分辨率视觉推理
机构 * Fudan University（复旦大学） ； S-Lab, Nanyang Technological University（南洋理工大学S实验室）
AI总结 本文提出MGPO框架，通过多轮对话机制使LMMs在无需额外标注的情况下提升视觉定位能力，实验表明其在MME-Realworld和V*Bench任务中表现优异。
Comments Accepted by ACL(Findings) 2026
自动数据集构建（ADC）：样本收集、数据整理与更广泛的领域
机构 * University of California, Santa Cruz（加州大学圣克鲁兹分校） ； Amazon（亚马逊） ； SUSTech（华南理工大学） ； Zhejiang University（浙江大学） ； Yale University（耶鲁大学） ； Carnegie Mellon University（卡内基梅隆大学） ； HKUST (GZ)（香港科技大学） ； Nanyang Technological University（南洋理工大学） ； Microsoft（微软）
AI总结 本文提出自动数据集构建方法ADC，通过LLM实现高效数据集生成，减少人工标注成本，构建包含12个主类和12000个细粒度子类的Clothing-ADC数据集，降低标签噪声至10.7%，并设计三个针对标签噪声和类别不平衡的基准数据集。
城市级低空城市空中交通：一种通过风险感知多尺度单元分解的可扩展全局路径规划方法
机构 * School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空航天工程学院） ； School of Aeronautics and Astronautics, Purdue University（普渡大学航空航天学院）
AI总结 本文提出一种基于风险感知的多尺度单元分解方法，用于城市级低空城市空中交通的可扩展全局路径规划，通过动态平衡分辨率与计算速度，降低累计风险并减少计算时间。
Comments 6 pages
多模态情感分析中的缺失模态：一种知识迁移方法
机构 * College of Computing and Data Science, Nanyang Technological University, Singapore（南洋理工大学计算机与数据科学学院） ； Singapore University of Social Sciences, Singapore（新加坡社会科学研究大学）
AI总结 本文提出知识迁移网络以重建缺失音频特征，并开发跨模态注意力机制以提升情感预测，实验表明在三个公开数据集上优于基线方法。
理解并强制任务算术中的权重解耦
机构 * State Key Laboratory for Novel Software Technology, Nanjing University, China（新型软件技术国家重点实验室，南京大学，中国） ； University of Wollongong, Australia（沃林根大学，澳大利亚） ； Nanyang Technological University, Singapore（南洋理工大学，新加坡）
AI总结 本文提出Task-Feature Specialization（TFS）作为权重解耦的根本原理，通过促进权重向量的正交性，提出OrthoReg正则化方法以提升任务算术方法的性能。
Comments CVPR 2026
AutoPKG：一种用于动态电子商务产品-属性知识图谱构建的自动化框架
机构 * Lazada, Alibaba International Digital Commerce Group（Lazada，阿里巴巴国际数字 commerce 集团） ； Nanyang Technological University, Singapore（南洋理工大学，新加坡）
AI总结 本文提出AutoPKG框架，通过多智能体大语言模型自动构建产品-属性知识图谱，解决电子商务产品属性提取中本体不一致、不完整和维护成本高的问题，实验证明其在提升GMV和推荐效果上的显著优势。
Comments Accepted as ACL 2026 Findings
tendon驱动臂的时间分割多路复用驱动：轻量化设计与容错性
机构 * Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院） ； School of Mechanical and Aerospace Engineering, Nanyang Technological University（南洋理工大学机械与航空航天工程学院） ； Department of Automation, Tsinghua University（清华大学自动化系）
AI总结 本文提出了一种时间分割多路复用驱动方法，用于腱驱动机器人，实现轻量化设计和高容错性，通过垂直堆叠的旋转选择结构和双编码系统，使MuxArm在部分伺服故障下仍能保持1%的末端精度。
Comments 11 pages
Journal ref IEEE T-MECH Under review 2026
在基础模型时代对深度学习用于分子性质预测的系统调查和基准测试
机构 * The University of Hong Kong, Hong Kong SAR（香港大学） ； Nanyang Technological University, Singapore（南洋理工大学） ； University of Cambridge, United Kingdom（剑桥大学） ； Zhejiang Normal University, China（浙江师范大学） ； The Hong Kong University of Science and Technology, Hong Kong SAR（香港科学与技术大学） ； The University of Queensland（昆士兰大学） ； The Hong Kong Polytechnic University, Hong Kong SAR（香港理工大学）
AI总结 本文系统调查了深度学习在分子性质预测中的应用，探讨了四种互补范式，并提出了未来三个发展方向，包括物理感知学习、可信推理的基础模型和整合计算与实验数据的基准生态系统。
Comments 32 pages. It is just accepted by Journal of Chemical Theory and Computation 2026
Journal ref Journal of Chemical Theory and Computation 2026
BOOKAGENT：通过多智能体认知校准 orchestrate 安全意识的视觉叙述
机构 * Carnegie Mellon University（卡内基梅隆大学） ； University of Science and Technology of China（中国科学技术大学） ； Imperial College London（伦敦帝国理工学院） ； Nanyang Technological University（南洋理工大学） ； University of Central Florida（佛罗里达中央大学）
AI总结 本文提出BOOKAGENT，一种安全意识的多智能体协作框架，用于高质量的视觉叙述生成，通过联合规划、脚本、插图和全局修复不一致，提升叙述连贯性和视觉一致性。
Comments 18 pages, Accepted by ACL 2026
BrainMem: 为具身智能任务规划设计的脑启发式记忆系统
机构 * Nanyang Technological University, Singapore（南洋理工大学，新加坡） ； Tianjin University, Tianjin, China（天津大学，天津，中国）
AI总结 本文提出BrainMem，一种无训练的分层记忆系统，通过构建知识图谱和符号指南，提升具身智能在复杂环境中的任务规划能力，尤其在长周期和空间复杂任务中表现突出。
MuSteerNet：通过观察-反应相互引导生成人类反应
机构 * Nanyang Technological University（南洋理工大学） ； National University of Singapore（新加坡国立大学） ； Renmin University of China（中国人民大学） ； University of Science and Technology of China（中国科学技术大学） ； Hefei University of Technology（合肥工业大学）
AI总结 本文提出MuSteerNet，通过观察-反应相互引导机制生成3D人类动作，解决视频输入对反应生成的引导不足问题，提升反应质量。
从图表到代码：一个多模态模型的分层基准
机构 * CSU-JPG, Central South University（中南大学CSU-JPG） ； National University of Singapore（新加坡国立大学） ； Nanyang Technological University（南洋理工大学）
AI总结 本文提出Chart2Code基准，用于评估大多模态模型的图表理解和代码生成能力，包含三个层级任务，涵盖图表复现、编辑和长表转图表生成，测试了25种最先进的LMMs，结果显示GPT-5在编辑任务中表现不佳，凸显了该基准的挑战性。
Comments This work has been accepted by ACL 2026 Main
Uni-MMMU：一个大规模多学科多模态统一基准
机构 * Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； S-Lab, Nanyang Technological University（南洋理工大学S实验室） ； University of Science and Technology of China（中国科学技术大学） ； The Chinese University of Hong Kong（香港中文大学）
AI总结 Uni-MMMU通过八个以推理为中心的领域系统展开生成与理解的双向协同，评估模型在视觉理解和生成方面的性能差异及跨模态依赖，为统一模型发展提供可靠基础。
Comments Equal contributions from frst three authors. Project page: https://vchitect.github.io/Uni-MMMU-Project/ Code: https://github.com/vchitect/Uni-MMMU
揭示LLM安全对齐中的logit抑制漏洞
机构 * Huazhong University of Science and Technology（华中科技大学） ； Nanyang Technological University（南洋理工大学） ； University of New South Wales（新南威尔士大学） ； Nankai University（南开大学）
AI总结 本文提出SSAG方法，通过系统操控输出层logit揭示LLM安全对齐的漏洞，实验显示其在五种主流模型上以95%成功率暴露有害响应，同时减少86%的响应时间。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈